はじめに
生成AIの世界で、いま静かに、しかし確実に「利用コストの桁」が変わりつつあります。その象徴が、中国の DeepSeek が2026年7月31日に公開ベータへ移した DeepSeek-V4-Flash-0731 です。オープンウェイト（重みが公開）で、しかも API の価格が入力100万トークンあたり0.14ドル・出力0.28ドル——フロンティア級のクローズドモデルと比べて、明らかに一桁違う水準です。
ただ、はじめに一つ、誤解しやすい点を正しておきます。これは「まったく新しいモデルが登場した」という話ではありません。 V4-Flash 本体は2026年4月24日に公開済みで、今回の 0731 は同じアーキテクチャを、より良い後段学習（ポストトレーニング）でやり直した版です。コーディングやエージェント用途の改善が中心で、価格やAPIの口はそのまま据え置かれています。「7月31日に新モデル発表」と書くと不正確なので、ここは丁寧に切り分けます。
この記事では、なぜここまで安くできるのか（スパースMoEの仕組み）を図解し、この価格で何が変わるのかを、AI を日常的に使う個人開発者・電子工作層の視点で整理します。そして最後に、大事な地図——安いモデルで足りる作業と、フロンティアモデルが要る作業は違う——を示します。
本記事は 2026年8月3日時点で到達確認できた DeepSeek 公式（API ドキュメント）と、独立計測機関・技術媒体の情報にもとづきます。ベンチマークの数値・順位は各機関の物差しで、執筆時点のものとして帰属し、「最強」「他を上回った」といった断定はしません。価格は各社で変動するため、時点を明記します。中国発モデルの性能主張を無批判に受け取らず、確認できない数値は書きません。
🆕 1. 何が公開されたのか——0731 は「新モデル」ではない
まず事実を正確に。DeepSeek は V4-Flash-0731 を Hugging Face に公開し、公式 API を2026年7月31日に公開ベータへ移しました。重みは MIT ライセンスで配布されています。
ポイントは、これが4月24日に公開された V4-Flash の「作り直し版」だということです。
- 本体（プレビュー）：2026年4月24日公開（フラッグシップの V4 Pro と同時）
- 0731：同じアーキテクチャのまま、コーディング・AIエージェント・推論・ツール利用に向けて後段学習をやり直したプロダクション版
DeepSeek 自身も、アーキテクチャ・APIの口・応答の速さ・価格は据え置いたまま、性能を引き上げた改訂だと説明しています（公式・報道）。つまりニュースの本質は「新モデル誕生」ではなく、同じ土台の実用度が一段上がり、この安さで“使えるレベル”に来たことにあります。
オープンウェイトは、学習済みモデルの重みが公開され、ダウンロードして自分の環境でも動かせる形態です（DeepSeek V4-Flash は MIT ライセンス）。 ポストトレーニング（後段学習）は、素の事前学習モデルに対して、指示追従・コーディング・道具の使い方などを仕込む仕上げの工程。0731 は同じ設計のまま、この仕上げを改良してやり直した版で、だから「新アーキテクチャ」ではありません。
💰 2. 価格の桁を具体的に——キャッシュの効きが大きい
数字で見ると、桁の違いがはっきりします。以下は DeepSeek 公式・計測機関で確認できる執筆時点の参考値（100万トークンあたり・USD）です。
| 項目 | 価格（100万トークンあたり・執筆時点） |
|---|---|
| 入力（キャッシュミス時） | 約0.14ドル |
| 入力（キャッシュヒット時） | 約0.003ドル（ミス時のおよそ1/50） |
| 出力 | 約0.28ドル |
| コンテキスト長 | 最大約100万トークン |
| 最大出力 | 約38万トークン |
とくに効いてくるのが、キャッシュヒット時の入力が桁違いに安い点です。ミス時の約50分の1という水準は、「同じ前提を何度も投げる」使い方で大きく効きます。たとえば、長いドキュメントやコードベースを毎回読ませて質問を変えていくような作業では、前提部分がキャッシュに乗るぶん、実効コストがぐっと下がります。
同じ前置き（システムプロンプトや長い参照文書など）を繰り返し送るとき、その処理結果をサーバ側で再利用して課金と処理を軽くする仕組みです。「毎回まるごと読み直す」のではなく「前回と同じ部分は使い回す」ため、繰り返し参照する使い方ほど割安になります。
なお、この $0.14／$0.28 という価格は 0731 で新しく下げたものではなく、V4-Flash が以前から据え置いてきた水準です（報道）。「安くなった」というより「この安さのまま、中身が実用度を増した」と捉えるのが正確です。
📊 3. 他モデルと並べてみる——「最安」ではないが桁は違う
「入力0.14ドル・出力0.28ドル」が本当に安いのかは、他モデルと並べて初めて分かります。以下は各社の公式価格ページで確認できた、100万トークンあたりの標準料金（キャッシュ／バッチ割引を適用しない通常単価・執筆時点）です。公式で確認できなかったモデルは載せていません。
| モデル | 入力 | 出力 | 位置づけ |
|---|---|---|---|
| GPT-5 Nano | $0.05 | $0.40 | 廉価帯 |
| Gemini 2.5 Flash-Lite | $0.10 | $0.40 | 廉価帯 |
| DeepSeek V4-Flash-0731 | $0.14 | $0.28 | 廉価帯（出力が安い） |
| Gemini 2.5 Flash | $0.30 | $2.50 | 中位 |
| Claude Haiku 4.5 | $1.00 | $5.00 | 中位 |
| Gemini 2.5 Pro | $1.25 | $10.00 | 上位 |
| Claude Sonnet 5 | $2.00 | $10.00 | 上位（導入価格） |
| Claude Opus 4.8 | $5.00 | $25.00 | フロンティア級 |
| GPT-5 Pro | $15.00 | $120.00 | フロンティア級 |
まず正直に書くと、DeepSeek V4-Flash は「最安」ではありません。入力単価だけを見れば、GPT-5 Nano（0.05ドル）や Gemini 2.5 Flash-Lite（0.10ドル）の方が安い。DeepSeek の特徴は、廉価帯にいながら出力単価が0.28ドルと低く、かつフロンティア級に迫る性能を主張している点にあります。「一番安い」ではなく、「フロンティア級の性能を掲げるモデルとしては価格の桁が違う」——これが正確な言い方です。
その"桁の違い"を、フロンティア級と割り算で見てみます（これは単価の割り算という事実であって、性能比較ではありません）。
- Claude Opus 4.8（5ドル／25ドル）と比べると、入力で約36倍・出力で約89倍の開き
- GPT-5 Pro（15ドル／120ドル）と比べると、その差はさらに大きい
ただし、ここは強調しておきます。これは「だから DeepSeek が優れている」という話ではありません。フロンティア級のモデルは、難しい推論や最終品質が要る用途で本領を発揮する、そもそも用途の違う道具です。同じ土俵で「安い方が得」と読むのは誤りで、倍率は「廉価帯とフロンティア級では価格の桁がこれだけ違う」という事実を示すにすぎません。
上の表は各社の通常単価（キャッシュミス時）で揃えています。DeepSeek のキャッシュヒット時0.0028ドルのような割引価格を、他社の通常価格と並べて「圧勝」と見せるのは公平ではありません。プロンプトキャッシュ（Anthropic はヒット時に入力の約1/10、各社バッチAPIはおおむね50%引きなど）は、各社に用意された仕組みです。割引は「どこも持っている条件」として、通常単価とは分けて考えてください。価格はいずれも執筆時点（2026年8月3日）で変動します（例：Claude Sonnet 5 の入力2ドル／出力10ドルは2026年8月31日までの導入価格で、以降は3ドル／15ドル）。最新は各社公式で確認してください。
⚙️ 4. なぜ安いのか——スパースMoEの仕組み
「総パラメータが大きいほど計算も高い（＝高い）」と思いがちですが、V4-Flash はそうなっていません。鍵は スパースMoE（Mixture of Experts） です。V4-Flash は総パラメータ約2840億を持ちますが、1トークンを生成するのに実際に動くのは約130億だけです。
モデル内部を、役割の違う多数の小さなネットワーク（エキスパート）に分け、入力ごとに一部だけを選んで動かす構造です。全体は巨大でも、1回あたりの計算は「選ばれた分」だけ。だから「総2840億・活性130億」という、一見矛盾した数字が並びます。計算量が活性分で済むぶん、安く・速く回せる——これが、この価格を支える仕組みです。
ハードウェア寄りの読者には、この発想はむしろ馴染みやすいはずです。全部の回路を常時フル稼働させるのではなく、必要なブロックだけを起こして使う——省電力設計の考え方と、根っこは同じです。巨大な知識を抱えつつ、1回の推論では一部だけを動かす。ここに「大きいのに安い」のカラクリがあります。
（補足：Hugging Face のリポジトリ表記では約3040億と出ることがありますが、これはドラフト用モジュールを含む値で、ベースは約2840億です。混同しないよう、本記事はベースの2840億／活性130億で記します。）
🔓 5. オープンウェイト（MIT）であることの意味
V4-Flash は MIT ライセンスのオープンウェイトです。これは価格と並ぶ、もう一つの効きどころです。
- API に依存しきらない選択肢：重みが手に入るので、条件が合えば手元やクラウドに置いて動かせます。ベンダーの都合に一方的に縛られにくい
- 中身が確認できる：ライセンス的にも技術的にも、ブラックボックスに全部を預けなくてよい
この「オープンで、しかも大きい」流れは、Kimi K3 徹底解説｜Moonshot AI の2.8兆オープンウェイトを読むで扱ったモデルとも地続きです。フロンティア級の性能をオープンな重みで、という潮流に、DeepSeek は「安さ」という軸を強く重ねてきた、という位置づけになります。三社（Claude・GPT-5系・Gemini 3系）が「行動するAI」へ向かう全体像は生成AI三つ巴2026｜Claude・GPT-5・Gemini 3と「行動するAI」化で整理しました。
🧭 6. 何に使い、何には使わないか——地図を持つ
ここが一番大事です。「安いモデルが出た＝もう高いモデルは要らない」——とは、なりません。安価モデルで足りる作業と、フロンティアモデルが本領を出す作業は違います。
まず、ベンチマークの読み方から。V4-Flash-0731 は、独立計測（Artificial Analysis）の総合指標で、同規模のオープンウェイトの中では中央値を大きく上回る位置づけと報じられ、コーディング系の指標でも高いスコアが伝えられています。ただし、これらは各機関の物差しで、執筆時点の値です。順位や数字は測定条件で変わるため、「得意分野の目安」として読むのが実務的です。断定はしません。
そのうえで、素直な地図はこうなります。
| 使い方 | 向いているか（一般論） |
|---|---|
| 大量のログ整形・要約・下書き生成・定型の変換 | 安価モデルが効きやすい（量をこなす作業ほどコスト差が効く） |
| 同じ前提を繰り返し参照する作業（長文・コードベース） | キャッシュが効き、実効コストがさらに下がる |
| 一発勝負の難しい設計判断・込み入った推論・最終品質が要る場面 | フロンティア級を検討する価値がある |
ポイントは、「どっちが上か」ではなく「どこに何を割り当てるか」です。安いモデルに量をこなさせ、勘所だけ上位モデルに回す——この配分ができると、コストと品質のバランスが一気に良くなります。
🧑💻 7. 筆者の見方
筆者は Claude Code を実務で使い、ESP-IDF のコードを AI に書かせることも日常です（Claude Code スキルで ESP32 開発を自動化）。その立場から、この価格の一報は素直に「効くな」と感じました。
正直に書くと、筆者はまだ V4-Flash-0731 を本格的には使い込んでいません。だから使用感は語れません。ただ、もし使うならどこに割り当てるかは、はっきりイメージが湧きます。たとえば、シリアルログの山を整形して要点を出す、コミットメッセージの下書きを量産する、データシートの英語を噛み砕く——「量が多く、失敗しても取り返しがつく」作業は、安価モデルに任せるほど効きます。一方で、回路の設計判断や、実機の挙動が絡む込み入ったデバッグの“最後の詰め”は、今のところ手放す気になれません。ここは自分の目と、必要なら上位モデルを使いたい。
もう一つ、地に足のついた感想として——価格が下がると、つい AI に投げる量が増えます。 それ自体は良いことですが、「安いから雑に大量に投げる」と、確認の手間や、外部に渡すデータの扱いといった別のコストが増える面もあります。安さは、使い方の設計をサボっていい理由にはならない。そこは自戒を込めて、量を任せるほど確認の仕組みを持っておきたい、と思っています。政治的な評価をするつもりはなく、一人の利用者としての受け止めです。
✅ まとめ
- DeepSeek が V4-Flash-0731 を公開し API を公開ベータ化。ただし新モデル登場ではなく、4月24日公開版の再ポストトレーニング版（コーディング・エージェント改善が中心）
- 価格は入力0.14ドル・出力0.28ドル（100万トークン・執筆時点）。キャッシュヒット時の入力はおよそ1/50で、同じ前提を繰り返す使い方に効く
- 安さの理由はスパースMoE。総約2840億のうち、1トークンで動くのは約130億だけ（HF表記の約3040億はドラフト込み）
- MIT のオープンウェイトで、API 依存を薄められる。Kimi K3 と同じ「オープンで大きい」潮流に「安さ」を重ねた
- ベンチは各機関の物差し・執筆時点の値として帰属し断定しない。安価モデルとフロンティアは使い分け——量は安く、勘所は上位に
よくある質問（FAQ）
Q. V4-Flash-0731 は、7月31日に出た新しいモデルですか？
A. 正確には違います。V4-Flash 本体は2026年4月24日に公開済みで、0731 は同じアーキテクチャを、後段学習（ポストトレーニング）をやり直して改良した版です。コーディングやエージェント用途の改善が中心で、価格やAPIの口は据え置かれています。「新モデル登場」ではなく「同じ土台の実用度が上がった」と捉えるのが正確です。
Q. なぜ総2840億パラメータなのに安いのですか？
A. スパースMoE という構造のためです。総パラメータは大きくても、1トークンを生成するのに実際に動くのは約130億だけ。計算量が活性分で済むので、安く・速く回せます。Hugging Face の表記で約3040億と出るのはドラフト用モジュールを含む値で、ベースは約2840億です。
Q. キャッシュヒットで安くなるのは、どんなときですか？
A. システムプロンプトや長い参照文書など、同じ前置きを繰り返し送るときです。前回と同じ部分をサーバ側で使い回せるため、入力の実効コストが大きく下がります（執筆時点でヒット時はミス時のおよそ1/50）。長文やコードベースを繰り返し参照する作業ほど効きます。
Q. DeepSeek V4-Flash は一番安いモデルですか？
A. いいえ。入力単価だけを見れば、GPT-5 Nano（0.05ドル）や Gemini 2.5 Flash-Lite（0.10ドル）の方が安く、DeepSeek が最安ではありません。DeepSeek の特徴は、廉価帯にいながら出力単価が0.28ドルと低いこと、そしてフロンティア級に迫る性能を主張していることです。価格はすべて各社公式ページの通常単価（執筆時点）で、割引を適用しない条件で比べています。
Q. これがあれば、もう高いモデルは要らないのですか？
A. そうとは言えません。安価モデルは「量が多く、失敗しても取り返しがつく」作業に効きます。一方、一発勝負の難しい設計判断や、最終品質が要る場面ではフロンティア級を検討する価値があります。どちらが上かではなく、作業ごとに割り当てを決めるのが実務的です。
Q. この記事の価格やベンチは今も正しいですか？
A. 本記事は2026年8月3日時点の公式・計測機関の情報にもとづきます。価格は各社で変動し、ベンチの数値・順位も測定条件や時点で変わります。重要な判断の前には、末尾の公式・一次情報で最新を確認してください。
参考
- DeepSeek API Docs — Change Log（DeepSeek 公式・価格/更新履歴）
- DeepSeek Upgrades DeepSeek-V4-Flash-0731 with Major Agentic and Coding Gains（MarkTechPost）
- DeepSeek V4 Flash 0731 — Intelligence, Performance & Price（Artificial Analysis）
- DeepSeek V4 Flash 0731 Launches Public Beta with Price Held at $0.14（XenoSpectrum）
- DeepSeek API Pricing（DeepSeek 公式・価格ページ）
- Anthropic Claude Pricing（Anthropic 公式・価格ページ）
- Gemini API Pricing（Google 公式・価格ページ）
- OpenAI API Pricing（OpenAI 公式・価格ページ）
本記事は公表された一次情報・報道にもとづいて整理したものであり、特定のモデルの優劣を断定するものではありません。数値・価格・順位は執筆時点のものです。